コンピューターサイエンスのための数学
Open Academy
無料
入門 / algorithms, computation, structures, MIT
このコースでは、理数・工学系の初等離散数学を扱い、コンピュータサイエンスに役立つ数学的ツールや証明手法に焦点を当てます。学習者は、論理記号、集合、関係、グラフ理論、状態機械、アルゴリズムなどのトピックを探索します。
入門
algorithms, computation, structures
このコースでは、理論と応用の両面からディープラーニングの基礎を扱います。トピックには、ニューラルネットワークのアーキテクチャ(MLP、CNN、RNN、グラフネットワーク、トランスフォーマー)、ディープラーニングにおける幾何学と不変性、誤差逆伝播法と自動微分、高次元における学習理論と汎化、そしてコンピュータビジョン、自然言語処理、ロボティクスへの応用が含まれます。
さまざまなニューラルネットワークアーキテクチャの設計と実装
特定のタスクに合わせてディープラーニングモデルを分析し、最適化する
ディープラーニングの手法を応用して、コンピュータビジョンや自然言語処理(NLP)の課題を解決する
MIT OpenCourseWare
ニューラルネットワークの秘密を解き明かす
音声アシスタントや画像認識などの技術が、どのようにディープラーニングによって支えられているのか興味はありませんか?このコースでは、ニューラルネットワークの魅力的な世界に飛び込み、マシンがデータから学習することを可能にするアーキテクチャやメカニズムを探求します。誤差逆伝播法の複雑な仕組みの理解から、これらの概念を現実世界のシナリオに適用する方法まで、学習者はディープラーニングの包括的な視点を得ることができます。
このコースの特徴は、理論的な基礎と実践的な応用の融合にあります。CNNやトランスフォーマーを含むさまざまなニューラルネットワークアーキテクチャに取り組み、それらがコンピュータビジョンや自然言語処理などの分野でどのように応用されているかを発見します。学習を進めるにつれて、高次元学習の複雑さや、ディープラーニング技術を支える幾何学についても、徐々に理解を深めていくことができます。
コースを修了する頃には、ディープラーニングの原則をしっかりと把握し、現実世界の課題に取り組むモデルを実装する能力を身につけていることでしょう。この道のりは、急速に進化する人工知能の展望において、あなたが革新を起こし、貢献するための力となるはずです。
講義 · 24本の動画
第01講:ディープラーニング入門
Lec 02. ニューラルネットワークの訓練方法
第03回 近似理論
Lec 04. Architectures: Grids
Lec 05. アーキテクチャ:グラフ
Lec 06. 汎化理論
講師陣
元のコース
学習対象は
誰でしょう?
ディープラーニングモデルの実装に苦慮しているデータサイエンティスト
AIエンジニアへの転身を目指すソフトウェアエンジニア
自身のプロジェクトにディープラーニングを取り入れようとしている研究者
前提知識、
必要でしょうか?
基本的な統計学および確率の概念に関する知識
機械学習の基礎に関する理解
Pythonまたは類似の言語でのプログラミング経験
1,614
受講生
8
受講レビュー
5.0
講座評価
105
講座
"言語が学習の障壁にならないように。"
世界有数の機関による公開講座をお届けします。
翻訳と字幕作業を通じて、すべての学習者が言語の壁を感じることなく講義を受けられるようサポートします。
全体
27件 ∙ (29時間 31分)
講座資料(こうぎしりょう):
4. 第1回 ディープラーニング入門
01:00:51
5. 第2回 ニューラルネットワークのトレーニング方法
01:19:34
6. 第03回 近似理論
01:22:42
7. 第04回 アーキテクチャ:グリッド
01:23:56
8. 第05回 アーキテクチャ:グラフ
01:21:14
9. 第06回 汎化理論
01:20:30
10. 第07回 最適化のためのスケーリング則
01:20:55
11. 第08回 アーキテクチャ:Transformer
01:14:35
12. 第09回 ハッカーのためのディープラーニング入門
01:15:50
13. 第10回 アーキテクチャ:メモリ
01:13:28
14. 第11回 表現学習:再構成ベース
01:21:04
15. 第12回 表現学習:類似度ベース
01:16:20
16. 第13回 表現学習:理論
01:15:20
17. 第14回 生成モデル:基礎
01:21:18
18. 第15回 生成モデル:表現学習と生成モデリングの融合
01:20:39
19. 第16回 生成モデル:条件付きモデル
01:21:31
20. 第17講 汎化:分布外(OOD)
01:04:41
21. 第18回 転移学習:モデル
01:25:41
22. 第19講 転移学習:データ
01:15:43
23. 第20回 スケーリング則
38:22
24. 第21回 言語モデル
01:17:23
25. 第23回 メトリズ化されたディープラーニング
01:07:50
26. 第24回 ディープラーニングの推論手法
01:23:12
27. PyTorch チュートリアル
28:59
知識共有者の他の講座を見てみましょう!
同じ分野の他の講座を見てみましょう!
無料